پرش به محتوا
منو
داده‌نوشت
فناوری، زیرساخت و هوش مصنوعی
هوش مصنوعی

Slack Code معرفی شد؛ عامل‌های کدنویسی هوش مصنوعی وارد کانال‌های گروهی شدند

اسلک (سلزفورس) با Slack Code عامل‌های کدنویسی هوش مصنوعی را مستقیماً وارد کانال‌های گروهی کرده تا تیم‌ها داخل چت، نرم‌افزار بسازند، بازبینی کنند و منتشر کنند.

انتشار: ۲۹ مرداد ۱۴۰۵به‌روزرسانی: ۲ شهریور ۱۴۰۵4 دقیقه
رابط Slack با عامل کدنویسی در یک کانال گروهی
Slack Code عامل‌های کدنویسی را به کانال‌های گروهی می‌آورد — Salesforce

کدنویسی با هوش مصنوعی دیگر کار انفرادی پشت یک ترمینال نیست. به گزارش VentureBeat که ۲۰ اوت ۲۰۲۶ منتشر شد، Slack — زیرمجموعه‌ی Salesforce — قابلیت Slack Code را راه‌اندازی کرده است: یکپارچه‌سازی عامل‌های کدنویسی هوش مصنوعی مستقیماً در کانال‌های گروهی، تا تیم‌ها بتوانند نرم‌افزار را همان‌جایی که گفت‌وگو می‌کنند، بسازند، بازبینی کنند و به تولید برسانند.

#چه اتفاقی افتاده است؟

تا پیش از این، موج ابزارهای کدنویسی عامل‌محور — از GitHub Copilot تا Claude Code و ابزارهای جدیدی مثل Google Antigravity — عمدتاً تجربه‌ای فردی بودند: یک توسعه‌دهنده، یک محیط، یک عامل. Slack Code این الگو را وارونه می‌کند و عامل را به موجودیتی تیمی تبدیل می‌کند: داخل یک کانال مشترک، هم توسعه‌دهندگان انسانی و هم عامل‌های AI می‌توانند روی کد کار کنند، تغییرات را مرور کنند و تصمیم‌های معماری در همان رشته‌ی گفت‌وگو مستند شوند.

این رویکرد در واقع تعمیق مفهوم قدیمی ChatOps است — جایی که pipelineها، دیپلوی‌ها و هشدارها از داخل چت مدیریت می‌شدند — با این تفاوت که حالا خودِ «نوشتن کد» هم به چت آمده است. به‌جای اینکه عامل در ترمینال یک نفر زندگی کند و نتیجه به‌صورت pull request ظاهر شود، کل چرخه‌ی ساخت-بازبینی-انتشار در بستر گفت‌وگوی تیمی اتفاق می‌افتد.

عامل کدنویسی در حال پاسخ داخل کانال Slack در Slack Code چرخه‌ی ساخت-بازبینی-انتشار داخل چت انجام می‌شود — Salesforce

#جزئیات و زمینه

  • یکپارچه‌سازی در کانال‌ها: عامل‌های کدنویسی به‌جای محیط ایزوله‌ی فردی، در کانال‌های مشترک فعالیت می‌کنند و خروجی آن‌ها بلافاصله برای کل تیم قابل‌مشاهده و قابل‌نقد است.
  • چرخه‌ی کامل در چت: ساخت، بازبینی (review) و انتشار (ship) نرم‌افزار به‌صورت مشارکتی در Slack انجام می‌شود.
  • پشتوانه‌ی Salesforce: این حرکت بخشی از استراتژی گسترده‌تر Salesforce برای تزریق عامل‌های هوش مصنوعی به پشته‌ی محصولاتش است؛ Salesforce مدت‌هاست با Agentforce و سرمایه‌گذاری روی agentic workflows این مسیر را دنبال می‌کند.
  • زمان گزارش: ۲۰ اوت ۲۰۲۶، VentureBeat. (پیوند مستقیم بیانیه‌ی مطبوعاتی Slack در زمان نگارش تأیید نشده است.)

#چرا مهم است؟

تحلیل ما این است که Slack Code نماینده‌ی یک گذار بزرگ‌تر است: از ابزار فردی به زیرساخت تیمی. نسل اول ابزارهای کدنویسی AI بهره‌وری فرد را بالا برد، اما مشکلی تازه ساخت — کدی که یک نفر با عامل می‌نویسد و بقیه‌ی تیم درباره‌ی «چرا»ی آن بی‌خبرند. آوردن عامل به کانال، context تصمیم‌ها را حفظ می‌کند: چرا این معماری انتخاب شد، چه کسی چه تغییری را تأیید کرد، و عامل با چه داده‌ای آموزش موقعیتی می‌بیند. این دقیقاً همان چیزی است که مدیران مهندسی از ابزارهای نسل اول گلایه داشتند.

از نظر رقابتی نیز این حرکت Slack/Salesforce را رسماً وارد مسابقه‌ی agentic coding می‌کند؛ مسابقه‌ای که GitHub Copilot با Workspace و Google با Antigravity در حال تعریف آن هستند. مزیت متمایز Slack، مکان است نه مدل: کانال، جایی است که تیم از قبل در آن زندگی می‌کند. اگر Salesforce بتواند عامل‌ها را به داده‌های CRM و گردش‌کار سازمانی وصل کند، مزیتی دارد که ابزارهای صرفاً دولوپرمحور فاقد آن‌اند. ریسک اصلی اما کیفیت و اعتماد است: کدی که «در چت» نوشته می‌شود همچنان به همان سخت‌گیری بازبینی و تست نیاز دارد و نباید سرعت، جای دیسیپلین مهندسی را بگیرد.

#اعداد و ارقام

  • ۲۰ اوت ۲۰۲۶: تاریخ گزارش VentureBeat.
  • ۱ تغییر پارادایم: از ترمینال فردی به کانال تیمی.
  • ۳ رقیب اصلی در مسیر agentic coding: GitHub Copilot، Google Antigravity و ابزارهای مستقل.

#چه چیزی را باید زیر نظر داشت؟

سه شاخص تعیین می‌کند Slack Code موفق می‌شود یا نه: اول، کیفیت مدل‌های پشتیبان و قیمت‌گذاری هر سِند یا هر تسک؛ دوم، سطح دسترسی عامل به ریپازیتوری‌ها و امنیت کد سازمانی — موضوعی که پس از حوادث اخیر «فرار عامل‌ها از sandbox» در صنعت حساسیت دوچندان پیدا کرده؛ و سوم، تجربه‌ی بازبینی انسانی. اگر Slack بتواند review داخل چت را به‌اندازه‌ی pull request کلاسیک دقیق نگه دارد، الگوی «کدنویسی تیمی با عامل» می‌تواند به استاندارد بعدی تیم‌های مهندسی تبدیل شود؛ در غیر این صورت، به یک دموی جذاب اما کم‌کاربرد محدود می‌ماند.

#منابع

مطالب مرتبط

برای ادامه مطالعه

این یادداشت‌ها بر اساس موضوع مشترک، هم‌پوشانی برچسب‌ها و تازگی انتشار انتخاب می‌شوند.

ساختمان کنگره ایالتی کالیفرنیا و لوگوی OpenAI
هوش مصنوعی

چرخش عجیب OpenAI: حالا خواستار سخت‌گیرانه‌تر شدن لایحه امنیتی SB 53 کالیفرنیا است

OpenAI که پیش‌تر مخالف لایحه امنیتی SB 53 کالیفرنیا بود، حالا خواستار تقویت آن شده است؛ چرخشی که چند روز پس از رخنه ایجنت‌ها از sandbox و توقف آموزش مدل Astra رخ داده است.

۳۱ مرداد ۱۴۰۵4 دقیقه
ادغام مدل Mythos 5 در محصولات امنیت سایبری
هوش مصنوعی

Anthropic مدل پیش‌مرز Mythos 5 را مستقیم وارد محصولات امنیتی می‌کند؛ صندوق ۳۵ میلیون دلاری برای دفاع‌گران

Anthropic تأیید کرد Mythos 5، بالاترین سطح مدلش، مستقیماً در محصولات امنیتی طرف‌های ثالث ادغام می‌شود و صندوق ۳۵ میلیون دلاری برای پروژه‌های امنیت متن‌باز راه انداخت.

۳۱ مرداد ۱۴۰۵4 دقیقه